Ранцевая система пожаротушения тонкораспыленной водой Текст научной статьи по специальности «Компьютерные и информационные науки»

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №01-2/2017 ISSN 2410-6070_

больший контакт цементных частиц и воды, ввиду чего процесс гидратации проходит полнее и быстрее [3, с. 48].

Выводы. Использование пластифицирующих добавок позволяет снизить количество воды затворения (до 23%) что положительно сказывается на прочностных характеристиках цементного камня. Так же стоит отметить, что присутствие в цементной смеси добавок суперпластификаторов способствует наиболее полному протеканию процесса гидратации цемента из-за образования ими пленок на поверхностях цементных частиц, что в дальнейшем приводит к увеличению площади контакта с водой. Список использованной литературы:

1. Миронов С.А. Теория и методы зимнего бетонирования. Издание третье, переработанное и дополнительное - Москва: Стройиздат, 1975. - 701 с.

2. Штарк Й., Вихт Б. Долговечность бетона/Пер. с нем. - А. Тулаганова. Под ред. П. Кривенко. - Киев: Оранта, 2004. - 301 с.

3. Корчунов И. В., Сидорова Е. Н., Ахметжанов А. М., Потапова Е. Н. Повышение долговечности изделий на основе цемента / Проблемы строительного производства и управления недвижимостью: Материалы IV Междунар. науч.-практ. конф.», 23-24 ноября 2016 г., Кемерово: ФГБОУ ВО «Кузбас. гос. техн. ун-т им. Т. Ф. Горбачева. - 2016. - С. 47-49;

© Корчунов И.В., Ахметжанов А.М., Сидорова Е.Н., 2017

УДК 614.844.2

М.М.Павлов

Студент 5 курса горно-геологического и нефтегазового факультета Южно-Российский государственный политехнический университет

Г. Новочеркасск, Российская Федерация

Вяльцев А.В.

к.т.н., доцент кафедры "Горное дело" горно-геологического и нефтегазового факультета Южно-Российский государственный политехнический университет

Г. Новочеркасск, Российская Федерация

А.И. Янц

Студент 5 курса горно-геологического и нефтегазового факультета Южно-Российский государственный политехнический университет

Г. Новочеркасск, Российская Федерация

РАНЦЕВАЯ СИСТЕМА ПОЖАРОТУШЕНИЯ ТОНКОРАСПЫЛЕННОЙ ВОДОЙ

Аннотация

В данной статье рассмотрена инновационная разработка Института низких температур при Московском авиационном институте (ООО «Темперо») в области пожаротушения, которая поможет увеличить эффективность тушения пожаров с минимальными экономическими затратами.

Ключевые слова

Ранцевый огнетушитель, тонкораспыленная вода, средство пожаротушения, пожар.

По данным Главного управления государственной противопожарной службы МЧС России, за 6 месяцев 2016 г. в Российской Федерации зарегистрировано более 67483 пожаров. При пожарах погибло 4549 человек, и получили травмы на пожарах 4997 человек. Материальные потери от пожаров составили почти 52 млрд.. руб. . На города пришлось 67,2% от общего количества пожаров , 60,5% материального ущерба. Крупные пожары в Москве (общежитие Университета дружбы народов, здания театра Эстрады,

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №01-2/2017 ISSN 2410-6070_

Арбитражного суда, Манежа) показали, что необходимо перевооружение служб пожарной охраны и подразделений пожарной охраны качественно новой техникой. Такая техника может быть создана только на базе высоких технологий с привлечением ресурсов и научного потенциала оборонно-промышленного комплекса.

Институтом низких температур при Московском авиационном институте была создана ранцевая установка пожаротушения тонкораспыленной водой «РУПТ- 1-0.4». Она служит для локализации очагов пожаров твердых горючих веществ, горючих жидкостей и газов, а также для тушения электрооборудования находящегося под напряжения до 36кВ.

Установка работает по принципу газодинамического ускорения мелкораспыленного (средний размер капли воды порядка 100 микрон) двухфазного (вода-воздух) потока, что позволяет быстро и эффективно тушить пожары на начальном этапе их развития .

«РУПТ- 1-0.4» имеет небольшие габариты и вес (менее 20 кг в полностью снаряженном виде), обладает простотой и надежностью в эксплуатации, постоянной готовностью к работе, абсолютной экологической безопасностью. В качестве огнетушащей жидкости применяется обычная вода или вода с пенообразующим составом в количестве около 10 литров. Работа установки осуществляется от баллона со сжатым воздухом объемом 2 литра с рабочим давлением 300 атм, аналогично применяемым в дыхательных аппаратах пожарных. Данный баллон позволяет создавать струю тонкораспыленной жидкости дальнобойностью до 1520 метров.

При сертификационных испытаниях установки в России было подтверждено, что установка может успешно применяться для:

• Ликвидации пожаров твердых горючих материалов площадью поверхности очага горения до 61 кв.м древесины, что соответствует площади средней квартиры, в том числе при тлеющем горении;

• Ликвидации возгораний легковоспламеняющихся жидкостей (бензин, керосин, различные масла) площадью до 7.3 кв.м, а при разливах и большей площади , при этом в ходе испытаний было показано, что 10 литров воды с пенообразователем, содержащихся в установке, достаточно, чтобы погасить около 200 литров горящего бензина;

• Ликвидация пожаров электрооборудования под напряжением до 36 тысяч вольт с расстояния более 1

метра.

Установка имеет ряд преимуществ над другими средствами пожаротушения:

• Дает возможность исключить залив помещений большим количеством воды и полностью избежать вторичного ущерба, что особенно важно при пожарах в жилом секторе, когда на тушение пожара в одной квартире и последующий пролив расходуется до тонны воды;

• Проводить тушение пожаров в присутствии персонала, что исключается при применении газовых, порошковых и аэрозольных систем пожаротушения;

• Проводить оперативное тушение возгораний электроустановок без отключения электропитания.

• Экологическая безопасность используемых огнетушащих веществ.

Статистические данные по размерам площади пожара к моменту прибытия пожарных расчетов показывают, что до80% всех пожаров составляют очаги возгорания площадью до 30 кв.м. Такие пожары могут быть успешно ликвидированы с помощью ранцевой установки типа РУПТ-1-0,4, технические характеристики которой позволяют быстро и эффективно осуществлять тушение пожара на начальной стадии при минимальных затратах огнетушащей жидкости.Установка может быть успешно использована для защиты жилых здании и помещений, офисов, культурных учреждений, магазинов, учреждений здравоохранения, а также в местах массового скопления людей, где нельзя использовать порошковые, газовые и аэрозольные средства пожаротушения до эвакуации людей.

Список используемой литературы

1.Материально-техническое обеспечение и вооружение МЧС России.

2.Системы пожаротушения тонкораспыленной водой. http://protivpozhara.ru/

3.Статистика пожаров и жертв. http://www.mchs.gov.ru/

© Павлов М.М., Вяльцев А.В., Янц А.И., 2017

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №01-2/2017 ISSN 2410-6070_

УДК 004.855.5

Парасич А. В.

аспирант кафедры «Электронные вычислительные машины», факультет «Компьютерные технологии, управление и радиоэлектроника», Южно-Уральский государственный университет

г. Челябинск, Российская Федерация;

Парасич В.А.

доцент кафедры «Электронные вычислительные машины», факультет «Компьютерные технологии, управление и радиоэлектроника», Южно-Уральский государственный университет

г. Челябинск, Российская Федерация;

ОБЩИЕ ПРИНЦИПЫ ФУНКЦИОНИРОВАНИЯ СИСТЕМ, СОСТОЯЩИХ ИЗ МНОЖЕСТВА

ВЗАИМОДЕЙСТВУЮЩИХ ЭЛЕМЕНТОВ

Аннотация

В природе нас окружает огромное количество систем, состоящих из некоторого числа взаимодействующих элементов. Строго говоря, все объекты в природе представляют собой системы взаимодействующих простых элементов (атомов, молекул или клеток). Для функционирования подобных систем, несмотря на их разнообразие, характерно множество общих принципов. Особый интерес представляет изучение подобных закономерностей в свете проблемы эффективного обучения глубоких свёрточных нейронных сетей. Похожие вопросы изучают нелинейная динамика и синергетика.

Ключевые слова

Глубокие свёрточные нейронные сети, машинное обучение, нелинейная динамика.

Применительно к задачам информатики и интеллектуального анализа данных, к системам, состоящим из множества взаимодействующих элементов, можно отнести распределённые компьютерные системы и сети, обучение нейронных сетей и глубоких свёрточных нейронных сетей, численная оптимизация, анализ социальных сетей, разработка систем распознавания.

В последнее время популярность глубоких свёрточных нейронных сетей [1] резко возросла благодаря тому, что с помощью их использования удалось существенно поднять качество распознавания во многих задачах обработки изображений, распознавания речи и т.д. В то же время, существуют большие проблемы с теоретическим объяснением и пониманием процессов, происходящих при обучении глубоких нейронных сетей, влиянии настроек обучения на качество обучения, что мешает прогрессу в данной области. Процесс обучения нейронных сетей плохо описывается с помощью классических математических рассуждений. Более эффективным представляется его описание с помощью моделей систем, состоящих из множества взаимодействующих элементов.

Рассмотрим несколько полезных на практике примеров. Представим себе систему из множества биллиардных шаров, независимо друг от друга катающихся в случайном направлении по столу. Будем рассчитывать положение центра масс данного множества шаров и рисовать траекторию его движения. В случае небольшого числа шаров (3 - 5 шаров) мы увидим некоторую случайную траекторию движения. В случае же большого числа шаров (100 - 1000 шаров) мы не будем наблюдать заметного движения их центра масс, поскольку случайные перемещения большого числа шаров взаимоскомпенсируются и дадут в сумме величину, близкую к нулю. С помощью данной модели можно объяснить, зачем используется mini-batch метод при обучении нейронных сетей. Если мы будем считать градиент по большому числу обучающих примеров (или сразу по всей обучающей выборке), то направления градиентов для каждого нейрона взаимоскомпенсируются, в результате суммарный градиент будет близок к нулю, и обучение сети будет происходить очень медленно либо вообще не будет происходить. При вычислении градиента по небольшому числу обучающих примеров мы получим на некоторых нейронах чёткий градиент, что позволит при правильном выборе размера mini-batch и других параметров обучения успешно обучить нейросеть.

Представим, что в последовательности модулей один из модулей вычисляет некоторую случайную